ارائه يك پياده سازي كارآمد از تركيب الگوريتم بهينه‌سازي نهنگ و ژنتيك در تقسيم بندي آستانه چند سطحي تصوير

An Efficient Implementation of Whale and Genetic Optimization Algorithms in Multilevel Threshold Image Segmentation

آستانه‌گذاري يكي از روش‌هاي مهم در قطعه بندي تصاوير مي‌باشد. تقسيم بندي آستانه‌اي به دليل سادگي آن، به طور گسترده‌اي پذيرفته شده است، كه شامل تقسيم بندي دوسطحي و تقسيم بندي چند سطحي است. با ظهور فناوري چند منظوره مانند بهينه‌سازي چند منظوره و پيگيري چند منظوره، تقسيم تصوير تنها به دو منطقه، نمي‌تواند نيازهاي اكثر روش‌هاي تشخيص الگو و برنامه‌هاي كاربردي بينايي ماشين را برآورده كند، بنابراين براي غلبه بر محدوديت‌هاي تقسيم بندي دوسطحي، روش‌هاي تقسيم بندي چند سطحي كه تصوير را به چندين شيء و پس زمينه تقسيم مي‌كنند، توسعه يافته است. در اين مطالعه با استفاده از الگوريتم بهينه سازي ژنتيك و الگوريتم بهينه سازي نهنگ الگوريتمي ارائه داده ايم كه بتواند زمان آستانه گذاري تصوير را كاهش دهد و تصويري مطلوب ارائه دهد.

Thresholding is one of the most important methods in images Segmentation. The threshold segmentation because of its simplicity is widely accepted, that includes two-level segmentation and multi-level segmentation. With the advent of multi-purpose technology such as Multipurpose optimization and multipurpose tracking, segmenting image into only Two areas, It can not meet the needs of most pattern recognition methods and Machine vision applications, Therefore To overcome the two-level division limitations, multi-level division methods have been developed that divide the image into several objects and backgrounds. in this study We have proposed an algorithm for genetic optimization and whale optimization algorithms that can reduce image thresholding time and provide an optimal image.